Web端结构的破坏性更新

经过一系列的头脑风暴，对于云平台，我原本的想法是从下机数据检测到数据拆分一条路服务的。这样，就至少需要去匹配Illumina、华大等测序平台的拆分软件、逻辑、以及不同的Index规则。

但现在，我决定从MVP出发，不再以BCL作为原始输入。而是改从FASTQ开始启动。这更符合用户的使用逻辑。

对于自部署用户，默认他们完全有能力进行数据的拆分和重命名（以适配我的数据检测规则）。

因此，新版本的结构下，我会完全砍掉实验中心，以及完全砍掉非管理员下的数据中心入口。这些内容不再开放给用户。

这是一份针对你新一代**“S3 驱动型基因分析平台”**的架构整理与细节补漏。这个方案的核心逻辑已经从“人找数据”进化到了“数据找任务”。

🚀 新方案核心架构总结：一个中心，三个自动化

平台以 S3 对象存储 为数据底座，通过 Go 后端 作为调度大脑，指挥 Nextflow 在 云端/本地HPC 上完成计算。

概览大屏 (Dashboard)：全站状态的“晴雨表”，只看异常任务和资源消耗。
数据中心 (Data Hub)：S3 的影子库。通过文件哨兵实现 Fastq 自动识别与质量预审。
任务中心 (Task Center)：操作工位。实现“样本+分析方案”的快速绑定，支持提前部署任务，数据识别后自动触发。
方案管理 (Assay Config)：生信资产库。将 Nextflow 脚本参数标准化为“临床方案”，生信权限用户可自行调整Bed等配置，形成自定义分析流程；支持基线（CNV/MSI）建立和管理。生信权限用户可接入报告API端点。
知识中心 (Knowledge)：沉淀变异库和行业指南。